Proyecto de Un Sistema Inteligente

Usted está aquí

Inicio » Estudios » Másteres » Máster en Inteligencia Artificial » Plan de estudios » Asignaturas » Proyecto de Un Sistema Inteligente
Créditos
3
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
CS
Mail
El objetivo de este curso es la construcción de un sistema inteligente para efectuar una tarea no trivial. El desarrollo de un sistema inteligente comparte muchas etapas con el desarrollo de cualquier sistema software. Sin embargo, hay algunas características especiales, como el proceso de la adquisición del conocimiento, el análisis de tareas requeridas, la selección de los métodos inteligentes más adecuados, la integración de varios métodos inteligentes, etc., que son específicas de un proyecto de un sistema inteligente. El proyecto de un sistema inteligente (SI) es un proyecto como aquellos que los estudiantes afrontarán en su práctica profesional de la Inteligencia Artificial en cualquier empresa. El proyecto se desarrollará con un equipo de tres o cuatro estudiantes.

Profesorado

Responsable

  • Ulises Cortés García ( )

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG1 - Capacidad para proyectar, diseñar e implantar productos, procesos, servicios e instalaciones en todos los ámbitos de la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Profesionales

  • CEP4 - Capacidad para disenar, redactar y presentar informes sobre proyectos informaticos en el area especifica de Inteligencia Artificial.
  • CEP5 - Capacidad de diseñar nuevas herramientas informáticas y nuevas técnicas de Inteligencia Artificial en el ejercicio profesional.
  • CEP8 - Capacidad de respetar el entorno ambiental y diseñar y desarrollar sistemas inteligentes sostenibles.

Competencias Transversales

Sostenibilidad y compromiso social

  • CT2 - Conocer y comprender la complejidad de los fenomenos economicos y sociales tipicos de la sociedad del bienestar; capacidad para relacionar el bienestar con la globalizacion y la sostenibilidad; habilidad para utilizar de forma equilibrada y compatible la tecnica, la tecnologia, la economia y la sostenibilidad.

Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

Básicas

  • CB6 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB7 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB8 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

Objetivos

  1. Los estudiantes serán capaces de integrar y aplicar los conocimientos adquiridos en diversos cursos anteriores del Master para la resolución de problemas complejos utilizando técnicas de Inteligencia Artificial
    Competencias relacionadas: CEA12, CB6, CB7,
  2. Los estudiantes serán capaces de escribir y comunicar su trabajo técnico y de investigación sobre Sistemas Inteligentesy los logros conseguidos tanto a un público general como a uno especializado.
    Competencias relacionadas: CEP4, CB8,
  3. Los estudiantes adquirirán y aprenderán los conceptos y conocimientos relacionados con la sostenibilidad y su relación intrínseca con los sistemas inteligentes.
    Competencias relacionadas: CEP8, CT2,
  4. Los estudiantes consolidarán las capacidades de trabajo en equipo.
    Competencias relacionadas: CT3,
  5. El alumno será capaz de diseñar y construir un sistema inteligente para resolver un problema no trivial.
    Competencias relacionadas: CG1, CEP5, CT7,

Contenidos

  1. Introducción
    Description of the aims of the course.
    Description of the teamwork.
    Information about the IS project timeline.
    Deliverables of the IS project.
  2. Análisis del problema.
    Problem Feature Analysis. Information/Data Analysis. Viability Analysis. Economical Analysis. Environmental and Sustainability Analysis.
  3. Definición de los obejtivos del proyecto de Sistema Inteligente
    Definition of the main goals of the IS project. Definition of sub-goals. Task Analysis.
  4. Desarrollo de un Sistema basado en la IA
    Data/Information Extraction. Data Mining & Knowledge Acquisition Process. Knowledge/Ontological Analysis. Planning and selection of Intelligent/Statistical/Mathematical Methods/Techniques. Construction of Models and Implementation of Techniques. Module Integration. Validation of Models/Techniques. Comparison of Techniques. Proposed Solution.
  5. Inforación de la salida del proyecto
    Executive Summary. Project System Documentation: User's Manual, System Manual. Project Schedule (Gantt's Chart). The Project Time Sheet.
  6. Modelos y Métodos para el desarrollo de Sistemas basados en la IA
    Review of the main Intelligent Methods and tools available.
  7. Herramientas de software
    Review of the main AI-based software tools available.

Actividades

Actividad Acto evaluativo


Sesion Introductoria de Laboratorio

First Lab class will focus on laboratory working teams and on giving information about the IS project. (timeline, deliverables, etc.)
Objetivos: 4
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Sesiones de laboratorio sobre el análisis del problema y el diseño e implementación de un Proyecto de Sistema Inteligente

Las siguientes clases estarán dedicadas a brindar información sobre el proceso de desarrollo de un Sistema Inteligente y todas sus fases.
Objetivos: 3 5
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Sesiones de laboratorio sobre la revisión de métodos inteligentes y herramientas de software inteligente disponibles


Objetivos: 1
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Sesiones de laboratorio para el seguimiento del proyecto

Las clases de laboratorio restantes (7) se dedican a supervisar y guiar los diversos proyectos de Sistemas Inteligentes de los diferentes grupos.
Objetivos: 5
Teoría
0h
Problemas
0h
Laboratorio
14h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

^resentación del informe del proyecto a mitad del cuatrimestre

Es un documento de análisis y disseñi del proyecto a mitad del cuatrimestre
Objetivos: 2
Semana: 8
Teoría
0h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
10h

Presentación Final del proyecto

El proyecto desarrollado se presentará oralmente en clase por cada equipo de trabajo, y antes se habrá entregado toda la documentación requerida, así como el código correspondiente.
Objetivos: 2 5
Semana: 15 (Fuera de horario lectivo)
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
3h
Aprendizaje autónomo
30h

Metodología docente

Métodos de enseñanza

A lo largo del curso se utilizarán diversos métodos de enseñanza para fomentar el aprendizaje y la participación:

* Clases expositivas: Presentaciones claras y estructuradas de conceptos teóricos.
* Clases interactivas: Las sesiones están diseñadas para fomentar la participación activa y el debate.
* Supervisión de proyectos: Orientación práctica y mentoría durante el desarrollo del proyecto.
* Talleres sobre habilidades de trabajo independiente y en equipo: Sesiones enfocadas en fomentar el aprendizaje autónomo y la colaboración efectiva.

Estructura del curso

Primera sesión: La clase inicial presentará a los estudiantes a los equipos de laboratorio y proporcionará información esencial sobre el proyecto principal.

Sesiones de desarrollo (clases 2-4): Estas sesiones cubrirán el proceso completo de desarrollo de un sistema basado en IA, incluyendo todas las fases y metodologías clave.

Sesiones de supervisión de proyectos (clases 5-11): Las clases de laboratorio restantes se dedicarán a supervisar y apoyar a los grupos de estudiantes en el diseño, la implementación y el perfeccionamiento de sus proyectos de sistemas inteligentes.

Esta estructura garantiza una combinación equilibrada de teoría, orientación práctica y trabajo colaborativo, preparando a los estudiantes para los desafíos académicos y del mundo real en el desarrollo de sistemas basados en tecnologías propias de la IA.

Método de evaluación

La evaluación del logro de los objetivos del curso será evaluada a través de los hitos de un proyecto de sistema inteligente a lo largo del curso, que se realizará trabajando en equipos de 3 ó 4 estudiantes.

La calificación final (FGrade) es un promedio ponderado entre la evaluación del trabajo en equipo (TGrade) y la evaluación del trabajo de cada estudiante de manera individual (IGrade) de acuerdo con la fórmula:

FGrade = 0.5 * TGrade + 0.5 * IGrade

La nota individual para cada estudiante (IGrade) se obtendrá como un promedio entre la observación y la evaluación del trabajo y la participación en el curso de cada estudiante durante todo el proyecto de acuerdo al criterio del profesor (TeachA) y la autoevaluación de la participación y trabajo en equipo de cada estudiante por todos los miembros del equipo, incluido él mismo (SelfA). Entonces,

IGrade = 0.5 * TeachA + 0.5 * SelfA

La nota de trabajo en equipo (TGade) será un promedio ponderado entre cuatro notas, correspondientes a los cuatro hitos del proyecto: la definición del documento del proyecto (MS1-D1Gr), la entrega y la presentación oral del análisis y el diseño del sistema a mitad de proyecto (MS2-D2Gr), el documento final y la entrega de software (MS3Gr = 0.5 * MS3-D3Gr + 0.5 * MS3-D4Gr) y la presentación oral final del proyecto (MS4Gr).
Entonces, la nota de TGrade se calculará de acuerdo con la fórmula:

TGrade = 0.15 * MS1-D1Gr+ 0.2 * MS2-D2Gr + 0.45 * MS3Gr + 0.2 * MS4Gr

Bibliografía

Básica:

Complementaria:

Web links

Capacidades previas

El conocimiento y las habilidades proporcionadas por los cursos obligatorios del Máster en Inteligencia Artificial